О СТРУКТУРЕ И СОДЕРЖАНИИ КУРСА «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ОБРАЗОВАНИИ» ДЛЯ МАГИСТЕРСКИХ ПРОГРАММ ПЕДАГОГИЧЕСКОГО ОБРАЗОВАНИЯ ИНФОРМАТИЧЕСКОЙ НАПРАВЛЕННОСТИ

О СТРУКТУРЕ И СОДЕРЖАНИИ КУРСА «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ОБРАЗОВАНИИ» ДЛЯ МАГИСТЕРСКИХ ПРОГРАММ ПЕДАГОГИЧЕСКОГО ОБРАЗОВАНИЯ ИНФОРМАТИЧЕСКОЙ НАПРАВЛЕННОСТИ

Научная статья

Усольцев В.Л.^1, *, Маркович О.С.², Шемелова Т.В.³

^{1, 2, 3} Волгоградский государственный социально-педагогический университет, Волгоград, Россия

* Корреспондирующий автор (usl2004[at]mail.ru)

Аннотация

В статье обосновывается актуальность введения курса «Искусственный интеллект в образовании» в программы подготовки магистров образования, ориентированные на области, связанные с информатикой. Анализируются положения и направления реализации Национальной стратегии развития искусственного интеллекта на период до 2030 года, касающиеся сферы образования. Проводится анализ современных научных направлений в сфере интеллектуализации образования. С учетом его результатов определяются и обсуждаются принципы построения, структура и содержание курса «Искусственный интеллект в образовании». Затрагиваются также вопросы выбора программного обеспечения, используемого при проведении лабораторных занятий по данной дисциплине.

Ключевые слова: подготовка магистров образования, искусственный интеллект, онтология, машинное обучение, интеллектуальный анализ данных в образовании.

ON THE STRUCTURE AND CONTENT OF THE COURSE "ARTIFICIAL INTELLIGENCE IN EDUCATION" FOR MASTER'S PROGRAMS OF PEDAGOGICAL EDUCATION IN COMPUTER SCIENCE

Research article

Usoltsev V.L.^1, *, Markovich O.S.², Shemelova T.V.³

^{1, 2, 3} Volgograd State Socio-Pedagogical University, Volgograd, Russia

* Corresponding author (usl2004[at]mail.ru)

Abstract

The article substantiates the relevance of the introduction of the course "Artificial Intelligence in Education" in the Master's educational programs focused on areas related to computer science. The authors analyze provisions and trajectories of implementation of theThe National Strategy for the Development of Artificial Intelligence for the period up to 2030 that are related to the field of education. The article also features an analysis of modern scientific trends in the field of intellectualization of education. Taking into account the results of the analysis, the authors determine and discuss the principles of construction, structure and content of the course "Artificial Intelligence in Education". The article also touches upon the issues of choosing the software used in conducting laboratory classes in this discipline.

Keywords: training of masters of education, artificial intelligence, ontology, machine learning, data analysis in education.

В настоящее время искусственный интеллект (ИИ) и связанные с ним области являются наиболее приоритетным направлением развития информатики, которое оказывает всё возрастающее влияние, в частности, на образование. Это подтверждается исследованиями всех ведущих крупных мировых агентств IT-аналитики, таких как IDC, Gartner, Forrester. Обзор текущего состояния данного вопроса см. в [1], [2].

В 2019 году в России принята Национальная стратегия развития ИИ на период до 2030 года. Одним из ее направлений заявлена разработка и внедрение образовательных модулей в рамках образовательных программ всех уровней образования для приобретения гражданами компетенций и навыков в областях, способствующих развитию ИИ. Также она нацелена на повышение качества услуг в сфере образования (включая адаптацию образовательного процесса к потребностям обучающихся и потребностям рынка труда, системный анализ показателей эффективности обучения для оптимизации профессиональной ориентации и раннего выявления детей с выдающимися способностями, автоматизацию оценки качества знаний и анализа информации о результатах обучения).

Перечисленные выше направления развития вошли в Национальную стратегию как результат научного осмысления вопросов разработки и практического применения решений на базе интеллектуальных технологий. В сфере образования к значимым научным направлениям такого рода можно отнести: применение методов интеллектуального анализа данных в образовании (см., напр., [3],[4]); разработку адаптивных алгоритмов для выстраивания обучения по индивидуальным траекториям (см., напр., [5],[6]); разработку методов оценки уровня сформированности компетенций в тех условиях, когда обычная алгоритмизация такой оценки невозможна (см., напр., [5],[7],[8]); разработку интеллектуального программного обеспечения образовательного назначения (такого, как интеллектуальные обучающие системы, чат-боты для поддержки образовательного процесса и т.п.) (см., напр., [9],[10]); общие вопросы интеллектуализации образовательного процесса и некоторые другие направления. Особое внимание в Национальной стратегии уделяется также вопросам подготовки кадров, в том числе и в образовании.

В этих условиях для магистрантов по направлению «Педагогическое образование», подготовка которых ориентирована на области, связанные с информатикой, необходимо иметь развернутые системные представления о методах, средствах и технологиях ИИ, используемых в образовании. Способствовать решению данной задачи могло бы введение в подготовку магистрантов курса «Искусственный интеллект в образовании». Такая дисциплина должна быть нацелена на формирование профессиональных компетенций, в первую очередь, в области использования интеллектуальных технологий в образовании, однако в ней также должны затрагиваться и вопросы разработки интеллектуальных систем и ресурсов образовательного назначения. Курс должен включать лекционные и лабораторные занятия.

Настоящая работа посвящена, в основном, обсуждению содержания указанного курса, поскольку определение этого содержания является достаточно сложной проблемой. Современный ИИ является объединением большого числа довольно разноплановых научных направлений, и не всегда легко оценить степень актуальности и перспективности того или иного направления в контексте обсуждаемого учебного курса. Некоторые ориентиры здесь может дать приведенное выше перечисление научных направлений в сфере интеллектуализации образования. Для определения содержания курса также имеют значение и уровень подготовки по информатике бакалавров, поступающих в магистратуру, и различия в специфике конкретных магистерских программ по направлению «Педагогическое образование», связанных с информатикой. Мы предполагаем, что для освоения данной дисциплины поступающие в магистратуру должны, как правило, иметь базовый уровень подготовки по информатике, соответствующий бакалавриату профиля «Информатика» по направлению «Педагогическое образование», так как в учебных планах данного профиля присутствует курс основ ИИ.

При определении структуры и содержания дисциплины «Искусственный интеллект в образовании» мы отталкиваемся от анализа описанной выше проблематики в области интеллектуализации образования, с учетом задач, поставленных в Национальной стратегии развития ИИ. Структурирование курса логично провести по тем научным направлениям в составе ИИ, которые служат концептуальной и технологической основой для решения означенных проблем и задач. Таким образом, по нашему мнению, рассматриваемый курс должен включать следующие разделы:

1. Интеллектуальный анализ данных в образовании.
2. Онтологическое моделирование в образовании.
3. Обучающие интегрированные экспертные системы.
4. Перспективные направления ИИ в образовании.

В первом разделе вводится понятие интеллектуального анализа данных образовательного процесса (Educational Data Mining, EDM) и дается характеризация его основных направлений. К ним можно отнести анализ данных процессов в образовании, визуализацию образовательной информации, применение анализа данных в интеллектуальных обучающих системах. В этом разделе также рассматриваются специфика образовательных данных, их источников и методов, используемых для их анализа; типовые виды задач EDM; модели знаний, используемые в EDM; подходы к визуализации полученных в ходе анализа знаний. Отдельным вопросом здесь возникает обзор программных решений, используемых в данной области. Заметим, что полноценные «коробочные» программные продукты, ориентированные на EDM и пригодные для использования в обучении, пока найти очень сложно, и в этой сфере обычно приходится применять широко распространенные аналитические надстройки над клиент-серверными СУБД, такими, например, как Microsoft SQL Server. Определенные перспективы для разработки EDM-приложений, специализированных под конкретные виды задач, по нашему мнению, создает использование языка Python с разработанными для него библиотеками анализа данных.

Материал второго раздела начинается с обсуждения основных подходов к моделированию знаний в ИИ и применимости их в образовании. Здесь первоначально выделяются семантические сети (их использование иллюстрируется в [8]), но далее основное внимание уделяется онтологическому моделированию знаний. Этот подход за последнее десятилетие завоевал прочные позиции в области интеллектуализации образования [11]. В данном курсе рассматриваются и, по возможности, сопровождаются примерами онтологическое моделирование структуры образовательного контента и содержания учебных дисциплин, использование онтологий в контроле знаний, дистанционном обучении и управлении образованием. На лабораторных занятиях для работы с онтологиями можно использовать редактор онтологий Protégé.

В следующем, небольшом по объему разделе курса рассматриваются обучающие интегрированные экспертные системы. Несмотря на то, что за последнее время эти решения несколько утратили свои позиции, они остаются востребованными в образовании (см. [6], [9]).

В заключительном разделе курса выделяются некоторые направления ИИ, которые являются перспективными и с точки зрения ИИ, и имеют высокий образовательный потенциал. К ним мы относим машинное обучение, обработку естественного языка, нейросети глубокого обучения, машинное зрение, мультиагентные системы. Значительная их часть используется в большей степени для обеспечения организационной составляющей образовательного процесса, однако есть также немало разработок, нацеленных на обучение [1]. В данном разделе мы уделяем большее внимание вопросам использования в сфере образования готовых решений на базе перечисленных направлений, нежели вопросам разработки, так как проектирование и реализация таких систем является весьма сложной задачей. На лабораторных занятиях этого раздела нам представляется перспективным применение библиотек языка Python, ориентированных на ИИ, для реализации студентами проектов образовательной направленности.

Предлагаемый вариант структуры и содержания курса «Искусственный интеллект в образовании» открыт для обсуждения и может совершенствоваться с учетом развития как ИИ, так и образовательных технологий.

Финансирование Исследование выполнено по проекту «Разработка образовательных технологий на базе искусственного интеллекта и роботизированных систем в учебном процессе профессионального образовательного учреждения», который реализуется при финансовой поддержке Министерства просвещения РФ в рамках государственного задания (дополнительное соглашение от 21.07.2021 г. № 073-03-2021-013/3 к соглашению от 18.01.2021 № 073-03-2021-013).

Funding The research was carried out under the project "Development of educational technologies based on artificial intelligence and robotic systems in the educational process of a professional educational institution", which is implemented with the financial support of the Ministry of Education of the Russian Federation within the framework of the state task (supplementary agreement No. 073-03-2021-013/3 dated 21.07.2021 to the agreement No. 073-03-2021-013 dated 18.01.2021).

Конфликт интересов Не указан.

Conflict of Interest None declared.

Список литературы / References

1. Xuesong Zhai A Review of Artificial Intelligence (AI) in Education from 2010 to 2020 / Xuesong Zhai, Xiaoyan Chu, Ching Sing Chai at al. // Complexity. – 2021. – V. 2021. – Р. 1–18. doi: 10.1155/2021/8812542
2. Амиров Р. А. Перспективы внедрения технологий искусственного интеллекта в сфере высшего образования / Р. А. Амиров, У. М. Билалова // Управленческое консультирование. – 2020. – № 3. – С. 80–88.
3. Казмина И. И. Интеллектуальный анализ данных в образовательной деятельности на основе алгоритма взаимосвязей / И. И. Казмина, Е. В. Нужнов // Информатика, вычислительная техника и инженерное образование. – 2015. − № 1 (21). – С. 1–7.
4. Козлов С. В. Особенности использования методов интеллектуального анализа данных в обучающих информационных системах / С. В. Козлов // International Journal of Open Information Technologies. – 2020. – V. 8. – No. 7. – P. 29–39.
5. Дорохова О. Е. Семантические модели компетенций в адаптивной системе автоматизированного обучения / О. Е. Дорохова // Современные проблемы науки и образования. – 2015. – № 3. – С. 434–543.
6. Яламов Г. Ю. Адаптивные образовательные информационные системы: подходы к интеллектуализации / Г. Ю. Яламов, Т. Ш. Шихнабиева // Человек и образование. – 2018. – № 4 (57). – С. 84–90.
7. Шихнабиева Т. Ш. Адаптивные семантические модели автоматизированного контроля знаний / Т. Ш. Шихнабиева // Педагогическое образование в России. – 2016. – №7. – С. 14–20.
8. Гаврилина Е. А. Онтологический подход к тестированию уровня владения обучающимся метапредметными понятиями / Е. А. Гаврилина, М. А. Захаров, А. П. Карпенко, Е. В. Смирнова // Наука и образование: научное издание МГТУ им. Н. Э. Баумана. — 2015. — № 2. — С. 136–149.
9. Ваграменко Я. А. Анализ направлений интеллектуализации современных информационных систем учебного назначения / Я. А. Ваграменко, Г. Ю. Яламов // Управление образованием: теория и практика. – 2016. – № 4 (24). – C.44–56.
10. Рыбина Г. В. Интеллектуальная технология построения обучающих интегрированных экспертных систем: новые возможности / Г. В. Рыбина // Открытое образование. – 2017. – Т. 21. – № 4. – С. 43–57.
11. Волегжанина И. С. Место онтологических исследований в современном российском образовании / И. С. Волегжанина // Крымский научный вестник. – 2015. – №5. – С. 26–46.

Список литературы на английском языке / References in English

1. Xuesong Zhai A Review of Artificial Intelligence (AI) in Education from 2010 to 2020/ Xuesong Zhai, Xiaoyan Chu, Ching Sing Chai at al. // Complexity. – 2021. – V. 2021. – Р. 1–18. doi: 10.1155/2021/8812542
2. Amirov R. A. Perspektivy vnedreniya tekhnologij iskusstvennogo intellekta v sfere vysshego obrazovaniya [Prospects for the Introduction of Artificial Intelligence Technologies in Higher Education] / R. A. Amirov, U. M. Bilalova // Upravlencheskoe konsul'tirovanie [Administrative Consulting]. – 2020. – № 3. – Р. 80–88. [in Russian]
3. Kazmina I. I. Intellektual'nyj analiz dannyh v obrazovatel'noj deyatel'nosti na osnove algoritma vzaimosvyazej [Data Mining in educational activities on the basis of microsoft association rules] / I. I. Kazmina, E. V. Nuzhnov // Informatika, vychislitel'naya tekhnika i inzhenernoe obrazovanie [Informatics, Computer Science, and Engineering Education]. – 2015. − № 1 (21). – P. 1–7. [in Russian]
4. Kozlov S. V. Osobennosti ispol'zovaniya metodov intellektual'nogo analiza dannyh v obuchayushchih informacionnyh sistemah [Features of the use of data mining methods in training information systems] / S. V. Kozlov // International Journal of Open Information Technologies. – 2020. – V. 8. – No. 7. – P. 29–39. [in Russian]
5. Dorohova O. E. Semanticheskie modeli kompetencij v adaptivnoj sisteme avtomatizirovannogo obucheniya [Semantic competence models in adaptive system for automated learning] / O. E. Dorohova // Sovremennye problemy nauki i obrazovaniya [Modern problems of science and education]. — 2015. — № 3. — P. 434–543. [in Russian]
6. Yalamov G. Yu. Adaptivnye obrazovatel'nye informacionnye sistemy: podhody k intellektualizacii [Adaptive educational information systems: approaches to intellectualization] / G. Yu. Yalamov, T. Sh. Shihnabieva // Chelovek i obrazovanie [Man and Education]. – 2018. – № 4 (57). – P. 84–90. [in Russian]
7. Shihnabieva T. Sh. Adaptivnye semanticheskie modeli avtomatizirovannogo kontrolya znanij [Adaptive semantic models of automatic knowledge control] / T. Sh. Shihnabieva // Pedagogicheskoe obrazovanie v Rossii [Pedagogical Education in Russia]. – 2016. – №7. – P. 14–20. [in Russian]
8. Gavrilina E. A. Ontologicheskij podhod k testirovaniyu urovnya vladeniya obuchayushchimsya metapredmetnymi ponyatiyami [The Ontological Approach to Testing the Level of Students' Metasubject Concepts] / E. A. Gavrilina, M. A. Zaharov, A. P. Karpenko, E. V. Smirnova // Nauka i obrazovanie: nauchnoe izdanie MGTU im. N. E. Baumana [Science and education: scientific edition of Bauman MSTU]. – 2015. — № 2. – P. 136–149. [in Russian]
9. Vagramenko Ya. A. Analiz napravlenij intellektualizacii sovremennyh informacionnyh sistem uchebnogo naznacheniya[Analysis of the Directions of Intellectualization of Modern Information Systems of Educational Appointment] / Ya. A. Vagramenko, G. Yu. Yalamov // Upravlenie obrazovaniem: teoriya i praktika [Education management: theory and practice]. – 2016. – № 4 (24). – P.44–56. [in Russian]
10. Rybina G. V. Intellektual'naya tekhnologiya postroeniya obuchayushchih integrirovannyh ekspertnyh sistem: novye vozmozhnosti [Intelligent technology for construction of tutoring integrated expert systems: new aspects] / G. V. Rybina // Otkrytoe obrazovanie [Educational Environment]. – 2017. – Vol. 21. – № 4. – P. 43–57. [in Russian]
11. Volegzhanina I. S. Mesto ontologicheskih issledovanij v sovremennom rossijskom obrazovanii [Place of ontology researches in the modern education science in Russia] / I. S. Volegzhanina // Krymskij nauchnyj vestnik [Crimean Scientific Bulletin]. – 2015. – №5. – P. 26–46. [in Russian]